西安交大教授蘭旭光：中國在具身智能等前沿領域已非常接近美國水平

《科創板日報》6月29日訊（記者 張洋洋）在“具賦新能 智驅未來”青年科學家成果轉化暨具身智能高質量發展研修會上，西安交通大學教授蘭旭光就中國在全球科技競爭中的位置、人工智能產業化面臨的挑戰等熱點議題接受了《科創板日報》等媒體採訪。

蘭旭光指出，中國在具身智能等前沿領域已非常接近美國水平，但在人工智能技術，尤其是大模型應用於物理世界和工業場景時，面臨“物理約束”這一核心瓶頸。

蘭旭光表示，中國科技發展迅猛，在人工智能、綠色能源、電池等領域已佔據全球重要地位，發展趨勢上的優勢“可能還在波動之前”。聚焦其研究的具身智能領域，他認爲中國目前與美國在“大模型時代下相差距離非常接近”。

“以DeepSeek爲例，其整體性能與頭部的ChatGPT相比雖仍有微弱差距，但中國在行業應用數據方面擁有巨大優勢。”蘭旭光強調，中國作爲製造業大國所擁有的龐大數據規模和豐富的行業應用場景，是人工智能持續發展並佔據重要位置的堅實基礎，預示着在下一步人工智能行業拓展上“中國可能走得更深遠”。

蘭旭光認爲，大模型在數字世界（如寫作、創作、編程）發展迅猛，替代率可達50%-60%，對相關高端從業者產生顯著衝擊。然而，在物理世界和工業場景的應用卻存在巨大鴻溝。

“Transformer架構的核心是預測下一個Token，遵循數據的統計規律，而非物理世界的真實約束。”

蘭旭光解釋，工業場景往往要求強因果關係，必須符合真實的物理、化學規律，且需要極高的穩定性和可靠性（通常要求99%以上）。而當前大模型不追求物理約束，其輸出無法保證在物理世界中的可行性和安全性，這導致其在工業場景難以落地，“全球都在面臨這個問題”。

他進一步指出，大模型在編程領域應用良好，得益於數據充足且可在虛擬環境中自我驗證；但在物理世界（如調控發動機閥門），缺乏可靠的驗證機制是AI落地的最大難題。

但蘭旭光也提出，目前AI產業化還存在一些挑戰：一是技術層面矛盾。高校科研追求探索性和前沿性，而工業生產要求穩定性和“不能出錯”，兩者存在天然衝突，前沿性與落地性之間需要工程師進行彌合。

二是資金問題。中國的投資環境更強調應用導向，對純粹前沿技術的支持雖在加大，但本質上仍可能對前沿技術的落地應用造成一定障礙。

另外，技術和市場之間是很複雜的事情，因爲市場的需求和企業生活需求，和科學科學家的技術之間還有一定分歧。

在吸引投資方面，蘭旭光亦持樂觀態度。他表示，通過對接會展示技術，能讓企業家更直觀地看到技術解決行業痛點的潛力，從而“很有可能”爲前沿科技吸引更多投資目光。

蘭旭光呼籲學界和產業界需關注更根本的技術問題，而非僅僅模仿Transformer架構。“Transformer本質上不能創造新事物、新概念”，它是對已有知識的優化組合。

他認爲，要解決物理世界的約束問題，可能需要探索環路人工智能等更重要的新模式，以應對工業界對高可靠性、可解釋性和符合物理規律的嚴苛要求。